如何将多个Pandas DataFrame保存至单个Excel文件的不同工作表

现有Python代码通过yfinance获取股票数据，定义函数计算不同周期涨跌幅，并用apply批量处理df_Industry中两家公司的数据，当前已将结果合并为单个DataFrame。需要将两家公司的结果分别保存至单个Excel文件的不同工作表，工作表名称对应df_Industry中的公司名称。

原代码 #

计算涨跌幅的函数 #

import pandas as pd
import yfinance as yF
import datetime
from functools import reduce


def get_returns_change_period(tic,com,OHLC_COL1,OHLC_COL2):
    df_Stock = yF.download(tickers = tic, period = "38y", interval = "1mo", prepost = False, repair = False)
    df_Stock['MONTH'] = pd.to_datetime(df_Stock.index)
    df_Stock = df_Stock.sort_values(by='MONTH')
    
    df_Stock[com + ' % Change '+'3M'] = (((df_Stock[OHLC_COL1].shift(2) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'3M'] = (df_Stock[com + ' % Change '+'3M'] * 100 )/df_Stock[OHLC_COL2]
    
    
    df_Stock[com + ' % Change '+'2M'] = (((df_Stock[OHLC_COL1].shift(1) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'2M'] = (df_Stock[com + ' % Change '+'2M'] * 100 )/df_Stock[OHLC_COL2]
    
    
    df_Stock[com + ' % Change '+'M'] = (((df_Stock[OHLC_COL1].shift(0) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'M'] = (df_Stock[com + ' % Change '+'M'] * 100 )/df_Stock[OHLC_COL2]
    
          
    return df_Stock.filter(regex='% Change')

函数调用及后续代码 #

get_returns_change_period('XOM','EXXON MOBIL','High','Open')

df_Industry = pd.DataFrame({'ID':['1', '2'], 'Ticker': ['AIN', 'TILE'], 'Company':['Albany International', 'Interface']})

df1 = df_Industry.apply(lambda x: get_returns_change_period(x.Ticker, x.Company, 'High','Open'), axis=1)

merged_df = pd.concat(df1.tolist(), axis=1)
merged_df

#merged_df.to_excel("output.xlsx")
#merged_df.to_csv("output.csv", index=False)

解决方案 #

不需要合并成单个DataFrame，直接使用pd.ExcelWriter将每家公司的数据写入对应名称的工作表即可。修改后的完整代码如下：

import pandas as pd
import yfinance as yF
import datetime
from functools import reduce

def get_returns_change_period(tic,com,OHLC_COL1,OHLC_COL2):
    df_Stock = yF.download(tickers = tic, period = "38y", interval = "1mo", prepost = False, repair = False)
    df_Stock['MONTH'] = pd.to_datetime(df_Stock.index)
    df_Stock = df_Stock.sort_values(by='MONTH')
    
    df_Stock[com + ' % Change '+'3M'] = (((df_Stock[OHLC_COL1].shift(2) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'3M'] = (df_Stock[com + ' % Change '+'3M'] * 100 )/df_Stock[OHLC_COL2]
    
    df_Stock[com + ' % Change '+'2M'] = (((df_Stock[OHLC_COL1].shift(1) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'2M'] = (df_Stock[com + ' % Change '+'2M'] * 100 )/df_Stock[OHLC_COL2]
    
    df_Stock[com + ' % Change '+'M'] = (((df_Stock[OHLC_COL1].shift(0) - df_Stock[OHLC_COL2]))/df_Stock[OHLC_COL2]) *100          
    df_Stock[com + ' % Change '+'M'] = (df_Stock[com + ' % Change '+'M'] * 100 )/df_Stock[OHLC_COL2]
    
    return df_Stock.filter(regex='% Change')

# 定义公司列表
df_Industry = pd.DataFrame({'ID':['1', '2'], 'Ticker': ['AIN', 'TILE'], 'Company':['Albany International', 'Interface']})

# 批量获取每家公司的涨跌幅数据
df1 = df_Industry.apply(lambda x: get_returns_change_period(x.Ticker, x.Company, 'High','Open'), axis=1)

# 写入Excel文件，每家公司对应一个工作表
with pd.ExcelWriter('company_stock_returns.xlsx') as writer:
    for idx, company in enumerate(df_Industry['Company']):
        df1.iloc[idx].to_excel(writer, sheet_name=company)

关键说明 #

• 使用pd.ExcelWriter上下文管理器，自动处理文件的打开和关闭，避免资源泄漏
• 遍历df_Industry中的公司名称，将df1中对应位置的DataFrame写入以公司名为名称的工作表
• 跳过合并步骤，直接处理单个公司的数据，更高效且符合需求

内容的提问来源于stack exchange，提问作者prashanth manohar